Emerson ve Databricks, OT Veri Dokumasını Kurumsal Yapay Zekâya Bağlıyor
Emerson ve Databricks, AspenTech Inmation OT verilerini kurumsal analitik ve yapay zekâ ile buluşturuyor. Fırsat, daha güçlü bir bağlam sunmak; mühendislik açısından zorluk ise güvenlik, emniyet ve...
Emerson ve Databricks, endüstriyel operasyonel verileri kurumsal analiz ve yapay zekâ ile buluşturmayı amaçlayan bir iş birliğini duyurdu. 19 Kasım 2026 tarihli duyurunun odağında, operasyonel teknoloji veri dokusu olarak tanımlanan AspenTech Inmation ve bu verilere Databricks Data Intelligence Platform üzerinden yerel erişim yer alıyor.
İş birliğinin kapsamı
Emerson'a göre Inmation, saha, uç ve bulut ortamlarındaki gerçek zamanlı ve geçmişe dönük OT bilgilerini toplayabilir, bağlamlandırabilir ve yönetebilir. Yeni iş birliği, bu bağlamlandırılmış bilgileri Databricks'teki iş ve kurumsal verilerle birlikte erişilebilir kılmak üzere tasarlandı. Emerson ayrıca kullanıcıların Databricks ortamından AspenTech'in AVA endüstriyel yapay zekâ özelliklerine ve Inmation verilerine erişebileceğini belirtiyor.
Mimari hedef açık: her bakım, performans veya yapay zekâ kullanım alanı için ayrı bir veri çıkarma ve bağlamlandırma projesi oluşturmaktan kaçınmak. Ortak bir operasyonel veri katmanı, analiz ekibinin etiket eşlemelerini ve varlık bağlamını tekrar tekrar oluşturmadan ekipman durumunu, proses geçmişini, üretim siparişlerini, kalite kayıtlarını ve bakım olaylarını birleştirmesini sağlayabilir.
Tesislerin pratik fayda görebileceği alanlar
Kestirimci bakım bunun bariz bir örneği, ancak daha değerli kullanım alanları genellikle daha özeldir. Bir ekip pompa titreşimini veya vana davranışını çalışma modu ve ürün sınıfıyla karşılaştırabilir, alarm örüntülerinin üretim kapasitesindeki düşüşten önce gelip gelmediğini inceleyebilir ya da enerji tüketimini üretim programlarıyla birleştirebilir. Sağlanan fayda, yalnızca büyük miktarda etiketi lakehouse'a kopyalamaya değil; zaman damgalarının, mühendislik birimlerinin, kalite kodlarının ve varlık ilişkilerinin korunmasına bağlıdır.
Mevcut kontrol donanımları, operasyonel bağlamın büyük bölümünün kaynağı olmaya devam ediyor. Bir proses tesisinde Emerson DeltaV MQ kontrolörü gibi kontrolörler, DeltaV sanal G/Ç modülü gibi arayüz modülleri ve KJ3002X1-BC1 analog giriş modülü gibi geleneksel kartlar bulunabilir. Bunlar, proses bilgilerinin kaynaklanabileceği kurulu katmana örnektir; duyuruda bu ürünlerin Databricks'e doğrudan yerel bağlantısı olduğu belirtilmiyor.
Kontrol sınırı açıkça tanımlanmalıdır
Duyuruda erişim, analiz, yapay zekâ iş akışları ve ajanlar ele alınıyor; ancak kapalı döngü kontrol yetkisi tanımlanmıyor. Bu ayrım önemlidir. Kurumsal yapay zekâ tarafından oluşturulan bir öneri, doğrulanmış bir kontrol eylemiyle aynı şey değildir; lakehouse da deterministik kontrolün, kilitlemelerin veya bağımsız bir güvenlik enstrümante sisteminin yerini tutmaz.
Güvenlik işlevleri için sınırların özellikle kesin olması gerekir. Emerson VS3202 DeltaV SIS modülü gibi bir mantık çözücü; değişiklik denetimi, tanılama ve kanıtlama testi gereklilikleri tanımlanmış, yönetişime tabi bir güvenlik yaşam döngüsünün parçasıdır. SIS'ten gelen veriler analizi destekleyebilir; ancak yazma yolları, kimlik bilgileri ve yapay zekâ tarafından oluşturulan öneriler güvenlik tasarımını devre dışı bırakmamalıdır. Duyuruda bu tür bir yetkilendirme tanımlanmıyor.
Duyurunun yanıtlamadığı sorular
- Konnektör topolojisi: Emerson, yerel erişimi hangi toplayıcıların, protokollerin veya dağıtım modellerinin sağladığını ya da mevcut bir Inmation dağıtımının ek ağ geçitleri gerektirip gerektirmediğini belirtmiyor.
- Gecikme ve eksiksizlik: olaydan sorguya gecikme, kesinti sırasında arabelleğe alma, zaman damgası çözünürlüğü veya kaynak kalite işaretlerinin korunmasına ilişkin herhangi bir rakam verilmemiş.
- Güvenlik: tesislerin hâlâ OT ağ bölgeleri, kimlik denetimleri, sertifika yönetimi, denetim günlükleri ve gerektiğinde tek yönlü veya salt okunur erişim kısıtlamaları için belgelenmiş bir yol belirlemesi gerekiyor.
- Veri yerleşimi: mevzuata tabi ve coğrafi olarak dağınık tesisler, ham, bağlamlandırılmış ve türetilmiş verilerin nerede depolanıp işlendiğini belirlemelidir.
- Yaşam döngüsü ve maliyet: duyuruda lisanslama, desteklenen sürümler, yükseltme bağımlılıkları veya modellerin ve ajanların işletim sorumluluğu ayrıntılandırılmıyor.
- Bağlantısız operasyonlar: Hava boşluklu tesislerde veya bulut bağlantısı kesildiğinde hangi işlevlerin kullanılabildiği henüz net değil.
Makul bir benimseme yolu
Tesisler, kurumsal çapta veri aktarımı yerine ölçülebilir, salt okunur tek bir kullanım senaryosuyla başlamalıdır. Önce varlık hiyerarşisini, kaynak etiketlerini, kalite kurallarını ve beklenen iş sonucunu tanımlayın. Ardından normal çalışma, bakım duruşları ve ağ kesintileri sırasında veri gecikmesini ve boşluklarını ölçün. Ekip ancak veri hattına güven duyduktan sonra bir yapay zekâ modelini eğitmeli veya devreye almalıdır.
Model çıktısı başlangıçta tavsiye niteliğinde olmalı ve operatörlerin ve bakım ekiplerinin bulgularıyla karşılaştırılmalıdır. Daha sonra otomatik eyleme geçilmesi; ayrı bir tehlike incelemesi, yetki modeli, geri alma planı ve değişiklik yönetimi süreci gerektirir. Satın alma ekipleri ayrıca pilot aşamasının ötesinde mimarinin desteklenebilmesi için yazılım sürümlerinin, bağlayıcı bağımlılıklarının, veri dışa aktarımına ilişkin varsayımların ve kurtarma prosedürlerinin listesini talep etmelidir.
Endüstriyel veri stratejisi açısından bunun anlamı
Bu iş birliği önemli; çünkü kurumsal yapay zekânın, doğru bağlamla zenginleştirilmiş tesis verilerine erişimi kadar yararlı olduğunu kabul ediyor. Inmation, entegrasyon çalışmalarının tekrarlanmasını potansiyel olarak azaltabilirken Databricks, veri mühendisliği ve yapay zekâ için daha kapsamlı bir ortam sunuyor. Teknik değer, bir yapay zekâ platformunda görünür kılınan etiketlerin sayısıyla değil, OT bağlamının kalitesi ve kontrol sınırının disiplinli biçimde korunmasıyla belirlenecek.
Operasyon liderleri için kısa vadeli fırsat, özel entegrasyon işlerini azaltarak alanlar arasında daha iyi analiz yapabilmektir. Kısa vadeli risk ise kullanışlı bir veri yolunun belgelenmemiş bir kontrol yoluna dönüşmesine izin vermektir. Başarılı bir uygulama, tesisi işleten sistemlerin deterministik çalışma, siber güvenlik ve emniyet sorumluluklarını zayıflatmadan daha fazla operasyonel bilgiyi erişilebilir kılmalıdır.
Kaynak: Emerson, “Emerson ve Databricks Endüstriyel ve Kurumsal Yapay Zekâyı Bir Araya Getiriyor,” 19 Kasım 2026’da yayımlandı. Resmî duyuru. PLC ProTech tarafından editoryal analiz, 20 Kasım 2026.